- Горячие темы:
- Все для фронта - все про оружие и технику
Нейросети научились предсказывать наводнения по фотографиям из соцсетей
Команда ученых из Уорикского университета обучила новый алгоритм, который по тэгам к фотографиям и видеороликам из пакета Yahoo Flickr Creative Commons 100M, научился предсказывать наводнения. Обучение нейросети проводилось по материалам, которые были опубликованы в период с апреля 2004 по август 2014 года, передает Naked Science со ссылкой на PLOS ONE.
На входе нейросеть анализировала материалы по четырем общим (“природа“, “пейзаж“, “река“, “вода“) и двум сводным (“RW“ - от “река“ и “вода“, и “NL“ - от “природа“ и “пейзаж“) тегам, каждый из которых на выходе был связан с специфическими (“потоп“, “наводнение“, “пойма“) тегами. Сопоставление тегов с риском стихийного бедствия проводилось на основании трех параметров: масштаба события, количества публикаций за пять суток до пика наводнения и спустя пять суток, а также шаблона поведения в пиковый период наводнения.
Читай также: Искусственный интеллект разгромил профессионалов в покер с помощью интуиции
Результаты показали, что появление во Flickr тегов, связанных с наводнениями, коррелирует с показателем встречаемости специфических (“вода“, “река“) и сводных (“RW“) тегов. В то же время угроза стихийного бедствия оказалась почти не связана с ростом числа таких тегов, как “пейзаж“ и “природа“.
Примечательно, что теги “вода“ и “река“ заняли промежуточное положение между маркерами бедствия и тематикой природы и примерно одинаково коррелировали с остальными тегами. Сводные теги чаще встречались за один день до пикового периода наводнения, при этом по мере приближения к пику тег “RW“ использовался все чаще, а тег “NL“, напротив, резко терял популярность.
Кроме того, ученые ретроспективно проверили способность модели предсказывать наводнение по числу публикаций в день за пять суток до события. Наиболее сильной корреляция оказалась для тегов “RW“ и “вода“. Так, на угрозу бедствия указывал рост числа загрузок с тегом “RW“ до 100 и более за пять дней до наводнения с последующим плавным падением показателя. При увеличении количества публикаций с тегом “RW“ до 125 и более в день корреляция увеличивалась; схожая динамика оказалась характерна для роста загрузок с тегом “вода“ до 125 и более в день с пиком за три дня до наводнения и последующим снижением показателя.
Читай также: Разработка Microsoft может лишить работы программистов
По мнению авторов, их исследование указывает на то, что социальные сети являются ресурсом, который может использоваться в сочетании с профессиональными источниками метеорологичесикх данных. В будущем такие системы предупреждения, основанные на анализе пользовательского контента, могли бы обладать беспрецедентными точностью и эффективностью, считают ученые.
Напомним, в конце прошлого года нейросети научили создавать 3-D модели лиц по фотографиям..
